Unidade 1 Introducao A Probabilidade

FFJll|L|llL L L!II!
I|| |
"at|i;ts t t|is"
Frtti.7kQLD)%RJXWFKL

l|II

Nota importante:
Essas aulas foram produzidas por meio de coletnea dos textos
indicados na bibliografia. No so citadas diretamente para no
poluir o visual dos mesmos.
Os textos esto organizados e traduzidos para minha linguagem
didtica pessoal.
Um estudo mais aprofundado dever ser baseado nas referncias
bibliogrficas indicadas.
1

Tania F Bogutchi - PUC Ninas -versao 2011
Probabilidade e Estatstica I
Unidade 1: Introduo Probabilidade

Introduo

Primeiramente quero dar as boas vindas a todos vocs que estao se propondo a estudar a disciplina
Probabilidade e Estatistica !, ofertada principalmente para os alunos do curso de Engenharia Eletrica do
!PUC com extensao as demais nfases da Engenharia.
Gosto de iniciar com a citaao da frase de Herbert George Wells (1866-19+6), escritor ingls de A
Naquina do Tempo, A !lha do Dr. Noreau, O Homem !nvisivel, dentre outros:

Raciocinar estatisticamente sera um dia tao necessario quanto a habilidade de ler e escrever"

O momento de entrar em contato com esse tipo de raciocinio comea agora com a seguinte
pergunta: porque um engenheiro precisa estudar Estatistica? Em primeiro lugar, porque um engenheiro e
um profissional que resolve problemas de interesse da sociedade por meio de aplicaoes de tecnicas
cientificas, que por sua vez, sao baseadas em evidncias. As evidncias sao obtidas por meio de dados, quer
sejam em pesquisas acadmicas quer sejam em situaoes observadas no cotidiano de muitas modalidades,
ou tipos, de trabalhos na Engenharia. Por outro lado, os dados podem gerar modelos que suportam
resoluoes de problemas similares.
A pergunta entao e porque a Estatistica e nao a Natematica? A Natematica esta presente em todas
as situaoes em que se podem aplicar os modelos deterministicos - aqueles que sao regidos por leis fisicas
ou gerais: lei de Ohm; lei de gas ideal; leis gravitacionais, dentre outras. Nas, e as situaoes que envolvem
variabilidade? A variabilidade exige tecnicas especiais de tratamento, e essas tecnicas sao produtos da
Estatistica, que por sua vez estao fundamentadas na Natematica. Os modelos estatisticos, portanto, sao
modelos probabilisticos - ou nao-deterministicos. Dai a importancia de iniciarmos esse curso com o estudo
de Probabilidade.
Outro lado importante da Estatistica e que ela propicia o tratamento de um pequeno conjunto de
dados, uma amostra, provenientes de uma populaao de interesse. O estudo de uma populaao, na grande
maioria das vezes, e oneroso - tempo e dinheiro, mas a Estatistica contempla com suas tecnicas o estudo de
uma pequena parte da populaao e os valores ali estimados sao inferidos (ou concluidos) para a populaao
em geral. Essa e chamada de Estatistica !nferencial.
Por sua vez, todas as observaoes que sao transformadas em dados precisam de tratamento
especial e pretende-se aqui dar uma noao dessas possibilidades de apresentaao e descriao dos mesmos.
Dessa maneira, vocs terao maiores possibilidades na composiao com os outros varios saberes da
Engenharia, no processo que sera finalizado como profissionais bem sucedidos.

Algumas informaes e dicas
2

Tania F Bogutchi - PUC Ninas -versao 2011

Nesse curso vocs receberao alguns textos com anotaoes de aula que servirao como leitura
complementar ao livro texto que iremos utilizar: Estatstica Aplicada e Probabilidade para
Engenheiros, 4. edio. Douglas C. Montgomery e George C. Runger., 2009.
Editora LTC.
A sugestao e que vocs sempre leiam o texto do livro e tentem resolver seus exercicios ou
exemplos.
Algumas dicas para obter sucesso nesse curso:

a) Reserve tempo semanal para o estudo. A proposta de Atividades Semanais tem como um de
seus objetivos, facilitar esse desafio;
b) Tente fazer as Atividades dentro do periodo de tempo proposto - se voc iniciar o estudo logo
no principio de sua proposiao tera tempo de gerar duvidas e buscar ajuda por meio do correio
acadmico.
c) Faa uso das facilidades que o ambiente da disciplina da PUC virtual oferece: tais como o Centro
de Recursos - local em que o professor publica material adicional, por exemplo, exercicios
resolvidos, resoluao efou comentario das Atividades propostas; e o correio acadmico -
principal canal de comunicaao diaria com o professor.
d) Participem dos Encontros on line - e quando existirem, dos plantoes presenciais.

Em sintese: Nao deixem de criar o habito de estudar diariamente, nao s essa disciplina, como as
demais presenciais que certamente estarao fazendo. Nao incorram no erro da fala: estou fazendo a
disciplina virtual porque trabalho. nao tenho tempo." Essa frase e FALSA!!. voc esta fazendo uma
disciplina virtual porque ela facilita a L!BERAO em sua carga horaria semanal.. Nas, por outro lado ela
cobra um preo: voc precisara ser rigoroso na reserva de tempo para estuda-la.
Enfim.
Espero que vocs aproveitem ao maximo o curso de Probabilidade e Estatistica !.
Eu estarei sempre pronta a atend-los e ajuda-los nesse processo de construao que ora vocs
iniciam.
Sejam bem vindos e tenham muito sucesso!

3

Tania F Bogutchi - PUC Ninas - Revisao em 2011
9 O contedo dessa Unidade pode ser encontrado nos captulos 1 e 2 do livro
texto base: MONTGOMERY, Douglas C, RUNGER, George C. Estatstica
aplicada e Probabilidade para Engenheiros. 4 edio. Rio de Janeiro: LTC,
2009.
9 As cpias desses captulos podem ser requisitadas por meio da Pasta do
Professor {www.pastadoprofessor.com.br), fazendo login nessa pgina e
enviando-as para serem impressas na Copiadora Set {casa amarela) da
Unidade do Corao Eucarstico.
No deixem de lerl

Algumas notas de aulas:

1) Modelos matemticos
a) Determinstico
Condioes que DETERN!NAN o resultado do experimento:
i) Leis de Kepler - comportamento dos planetas;
ii) Leis gravitacionais;
iii) velocidade como funao do tempo e do espao;
iv) etc.

Nos modelos matematicos a previsao do resultado e obtida por Consideraoes Fisicas!

b) Probabilstico ou no-determnistico
Exemplos:
i) Naterial radiotivo que emita particulas alfa e um dispositivo de contagem que registre o n
o
de
particulas emitidas num determinado periodo de tempo.
(1) Nao e possivel precisar exatamente o n
o
de particulas emitidas mesmo conhecendo sua
composiao quimica e a massa do objeto.
ii) Numero de bacterias num certo volume d'agua do Rio Arrudas...
iii) Precipitaao de chuva. Os instrumentos meteorolgicos podem nos fornecer informaoes tais
como:
(1) pressao barometrica,
(2) variaoes de velocidade do vento,
(3) origem e direao da tempestade, etc.
!nformaoes preciosas, mas que nao torna possivel dizer a QUANT!DADE de chuva que caira!!!

Esses modelos precisam de consideraoes para especificar uma distribuiao de probabilidades!

2) Probabilidade
Conceitos basicos:
a) Experimento {E) nao-deterministico" ou aleatrio": e a observaao de um fenmeno de
interesse (processo de coleta de dados).
Exemplo:
(1) lanamento de uma moeda ou de um dado;
(2) germinaao de sementes de alguns tipos de plantas; etc.
b) Espao amostral {S): e o conjunto de todos os resultados possiveis de um experimento E.
Exemplo:
(1) E: lanamento de uma moeda S = {cara, coroa)
+

(2) E: lanamento de um dado com 6 faces S = { 1, 2, 3, +, S, 6)
(3) E: sementes de + tipos de plantas S = {Tipo 1, Tipo 2, Tipo 3, Tipo +)
c) Evento: e o conjunto de resultados de interesse do pesquisador, ou seja, e um subconjunto de S.
Notaao: letras maiusculas (A, B, C,.)
No exemplo (2) do item anterior, podemos definir o evento A: obter face 1 ou face + A = {1, +)
Um evento e simples quando for composto por apenas um resultado. No exemplo (2) do item
anterior, os eventos: A={1), B={S), C={3), sao simples.

OBS.: O espao amostral S pode ser considerado como o conjunto de todos os eventos simples de
um experimento.

3) Relaes entre dois eventos A e B

a) Evento Uniao ou Reuniao e composto pelos resultados da ocorrncia de pelo menos um dos eventos
A ou B.

Exemplo: Sejam
E: lanamento de um dado com 6 faces;
S={1, 2, 3, +, S, 6), e o espao amostral associado a E;
Os eventos, A: a face e par = {2, +, 6) e B: a face e + ou S = {+, S)

O evento Uniao, B A = {2, +, S, 6)

b) Evento !nterseao e composto pela ocorrncia simultanea dos eventos A e B.

No exemplo anterior,
O evento !nterseao, B A = {+)

c) Evento Negaao ou Complementar do evento A e composto por todos os elementos que nao
ocorreram em A.

Notaao: B A

O simbolo " significa ou"

Notaao: B A

O simbolo " significa e"
S
A
A
S
A
A
A B
S
A B
S
A B
S
A B
S

Notaao:
c
A ou A

S

No exemplo anterior, a negaao ou o complementar do evento A e:
A = {1, 3, S) as faces impares!

d) Os eventos A e B sao disjuntos ou mutuamente exclusivos (excludentes) se nao ocorrerem
simultaneamente, ou seja, se = B A ( indica conjunto vazio: sem nenhum resultado).

No exemplo anterior, os eventos A e B sao mutuamente exclusivos?
Nol Pois a interseao entre eles nao e vazia... Por outro lado, A e A sao mutuamente exclusivos, pois
nos eventos mutuamente exclusivos a ocorrncia e de pelo menos um dos eventos, mas nao os dois
simultaneamente (em lgica matematica esse e o OU exclusivo).

4) Propriedades dos eventos

Dentro de um contexto matematico observa-se que os eventos sao similares aos conjuntos diferindo
apenas no significado da representaao dos simbolos. Devido a essa similaridade, as propriedades dos
eventos sao idnticas as dos conjuntos.
Reprisando:
s comutativa
A B B A 2.
A B B A . 1
=
=

as associativ
C) (B A C B) (A +.
C) (B A C) B) (A . 3
=
=

vas distributi
C) (B C) A ( C B) (A 6.
C) (B C) A ( C B) (A . S
=
=

evento. prprio o e evento do negaao da negaao a A A 9.
A 8.
A A 7.
=
=
=

Norgan de Leis
B A B A 11.
B A B A . 10
=
=

Exemplo 4.1: (Neyer) Um dispositivo eletrnico e ensaiado e o tempo total de servio t e registrado.
Admitiremos que o espao amostral seja { t { t 0). Sejam A, B e C trs eventos definidos da seguinte
maneira:
A = {t { t < 100 ); B = {t { S0 t 200); C = { t { t > 1S0).
Nesse exemplo, o espao amostral e dito continuo.
Temos consequentemente que:
B A = {t { t 200) ou numa forma mais rigorosa: { t { 0 t 200);
B A = {t { S0 t < 100);
C B = {t { t S0);
A B
S
A B
S
6

A = {t { t 100);
B A = {t { t < S0 ou t 100);
B A = {t { t > 200).

5) Definies de probabilidade

a) Definio clssica

Pressupostos:
i) Todos os eventos simples precisam necessariamente ter a mesma possibilidade de ocorrncia
(equiprovaveis);
ii) imprescindivel conhecer todos os resultados possiveis do espao amostral.

Exemplo 5.1: Seja o experimento,
E: observar o lanamento de um dado honesto" (equilibrado) e com 6 faces (numeradas de 1 a 6).
Obs.: o dado precisa ser honesto" para que a possibilidade de cada face ocorrer seja a mesma
(equiprovavel).
O espao amostral associado ao experimento E e S = {1, 2, 3, +, S, 6).
Defina o evento A: observar a ocorrncia das faces 3 ou S, entao A = {3, S)
O numero real P(A), definido por:

e chamado de a probabilidade de ocorrncia do evento A

Exemplo 5.2:
E: observar o lanamento de dois dados equilibrados e com 6 faces cada.
O espao amostral sera composto por pares de resultados, (x
1
, x
2
), em que x
1
e a face do primeiro
dado e x
2
e a face do segundo dado.
=
(6,6) (6,S) (6,+) (6,3) (6,2) (6,1)
(S,6) (S,S) (S,+) (S,3) (S,2) (S,1)
(+,6) (+,S) (+,+) (+,3) (+,2) (+,1)
(3,6) (3,S) (3,+) (3,3) (3,2) (3,1)
(2,6) (2,S) (2,+) (2,3) (2,2) (2,1)
(1,6) (1,S) (1,+) (1,3) (1,2) (1,1)
S

O espao amostral possui 36 elementos (#36)
1
.
Sejam considerados os eventos:
A = {(x
1
,x
2
) { x
1
+ x
2
=10), entao A = {(S,S), (+,6), (6,+))
B = {(x
1
,x
2
) { x
1
> x
2
), entao B = {(2,1), (3,1), (3,2), (+,1), (+,2), (+,3), (S,1), (S,2), (S,3), (S,+),
(6,1), (6,2), (6,3), (6,+), (6,))
O evento A possui 3 elementos (#A=3) e o evento B possui 1S (#B=1S).
Temos, portanto, que P(A)=
12
1
36
3
= e P(B) =
36
1S
0,+17
A definiao classica e limitada as situaoes em que os resultados sao igualmente provaveis alem de
requerer o desenho previo do espao amostral o qual pode ser muito trabalhoso ou ate mesmo
impossivel. Se no exemplo anterior fossem lanados 3 dados equilibrados, o espao amostral
associado seria composto por 6
3
= 216 elementos!

1
O simbolo: # significa, nesse texto, numero de elementos".
6
2
o experiment do ades possibilid de total numero
A a favoraveis situaoes de numero
) A ( P = =
7

b) Definio frequentista

A freqncia relativa de um evento A (f
A
) em n repetioes de um experimento e definida pela
relaao entre o numero de vezes que o evento A ocorreu (n
A
) e o numero total de repetioes do
experimento (n), ou seja,
n
n
f
A
A
= .
Exemplo 5.3: Sejam:
E: lanar 1.000 vezes uma moeda
Evento A: observar o resultado cara"
Utilizando a notaao para representaao dos resultados: C = cara e C = coroa, podemos obter a
possivel seqncia de resultados:

C, C, C, C, C, C, C, .....

A seqncia de freqncias relativas associadas a essa possivel seqncia e:
,.....
7
+
,
6
3
,
S
3
,
+
2
,
3
1
,
2
1
,
1
1

A Figura S.1 apresenta as freqncias relativas do evento A, ou seja, as proporoes de ocorrncia de
cara quando o experimento e repetido por 10, 20, 30, ...., ate S00 vezes.

Figura S.1: Observaao do evento cara em n lanamentos de uma moeda.

Observe, no grafico, que no principio (n < S0) a freqncia relativa tem uma grande variaao, mas e
intuitivamente evidente, que aps um grande numero de repetioes ela ira se estabilizar prximo do valor
2
1

, ou seja, a freqncia converge para 0,S. Essa propriedade de estabilidade, ou de regularidade estatistica,
pode ser demonstrada matematicamente de maneira mais precisa, num curso mais avanado de Estatistica.

No exemplo S.3, verificamos que a freqncia relativa de A, f
A
converge" em um certo sentido de
probabilidade, para o valor 0,S. Esse valor e assumido entao, como a probabilidade de ocorrncia do evento
A, denotado por P(A), e sua definiao frequentista e:
E: lanamento de uma moeda n vezes
A: observar cara
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
10 20 30 40 50 60 70 80 90 100 200 300 400 500
no. de lanamentos
P
r
o
p
o
r
o

d
e

c
a
r
a
8


Exemplo 5.4: Seja a distribuiao de 2.377 estudantes de certa faculdade pesquisados sobre
preferncia por refrigerante dada pela tabela:

Refrigerante
Preferncia
Freqncia Freq. relativa
Coca Cola 82 0,034
Coca Cola Light 231 0,097
Pepsi Cola 254 0,107
Fanta 690 0,290
Sprite 1.120 0,471
Total 2.377 1,000
Fonte: Adaptado de Anderson et al. 2007, pag 23

Considerando que temos um grande numero de estudantes, podemos associar as freqncias
relativas da preferncia por cada refrigerante como a sua probabilidade de ser escolhido por um estudante
pesquisado aleatoriamente. !sto e, por exemplo, equivalente a pergunta: qual a probabilidade de um aluno
dessa faculdade preferir Pepsi Cola? Na tabela de distribuiao, temos que P(Pepsi Cola) = 0,107
377 . 2
254
.
6) Propriedades da probabilidade
A probabilidade de um evento satisfaz as seguintes propriedades:
i) 0 P (A) 1
ii) P(S) = 1
iii) Se A e B forem dois eventos mutuamente exclusivos (disjuntos) entao
P(A B) = P(A) + P(B)
Como conseqncia dessas propriedades tem-se as seguintes regras:
iv) P() = 0 o evento A nao ocorre em nenhuma das repetioes do experimento (A e um evento
impossivel).
v) P( A) = 1 - P(A)
verificaao: Observando o diagrama de venn no subitem (c) do item (3), verifica-se claramente
que os eventos A e A sao mutuamente exclusivos e o espao amostral pode ser representado
da seguinte maneira:
S = A A
Pela propriedade (iii) tem-se: P(S) = P(A) + P( A) e pela propriedade (ii), obtem-se:
P(A) + P( A) = 1 o que conclui a conseqncia expressa em (v).

vi) Se A e B forem dois eventos quaisquer entao

P(A B) = P(A) + P(B) - P(A B)

A verificaao dessa regra e facilmente entendivel utilizando o diagrama de venn, em que pode ser
verificado que a porao A B e computada duas vezes!
Essa regra e conhecida como a da ADIO de probabilidades.

o experiment do repetioes de total numero
A de s ocorrncia de numero
) A ( P =
9

A probabilidade e uma proporao, ou seja, assume qualquer valore entre 0 e 1. Se essa proporao
for multiplicada por 100, a probabilidade fica expressa em termos de percentuais. A tabela de distribuiao do
exemplo S.+ ficaria assim:

Donde, P(Pepsi Cola)= 10,7.

Exemplo 6.1: Uma universidade tem 10 mil alunos dos quais + mil sao considerados esportistas. Temos
ainda, que S00 alunos sao do curso de Natematica diurno, 700 de Natematica noturno, 100 sao esportistas
e de Natematica diurno e 200 sao esportistas e de Natematica noturno. Um aluno e escolhido ao acaso.
Pergunta-se qual a probabilidade de ele:
a) Ser esportista
b) Ser esportista e aluno de Natematica diurno
c) Nao ser do curso de Natematica
d) Ser esportista ou aluno de Natematica noturno
e) Nao ser esportista nem aluno de Natematica

Esse exemplo apresenta duas caracteristicas dos alunos dessa universidade: curso e pratica de esportes.
Podemos sistematizar essas informaoes por meio de uma tabela de dupla classificaao, ou seja, as linhas
informarao o curso matriculado e as colunas se o aluno pratica ou nao esportes.

Para facilitar, vamos denominar os seguintes eventos: N = Natematica; Nn = Natematica noturno; Nd =
Natematica diurno; M = outros cursos (nao Natematica); E = esportista e E = nao esportista. Temos
entao,

Curso E
E
Total
Md 100 +00 S00
Mn 200 S00 700
M
3.700 S.100 8.800
Total +.000 6.000 10.000

O calculo das probabilidades ficou bastante facilitado pela leitura dos valores diretamente da tabela:
a) % 0 , 40 40 , 0
000 . 10
000 . 4
) E ( P = = =

b)

c)

d)
Refrigerante
Preferncia
Freqncia Freq. relativa Percentual
Coca Cola 82 0,034 3,4%
Coca Cola Light 231 0,097 9,7%
Pepsi Cola 254 0,107 10,7%
Fanta 690 0,290 29,0%
Sprite 1.120 0,471 47,1%
Total 2.377 1,0 100,0%
% 0 , 1 010 , 0
000 . 10
100
) Md E ( P = = =
% 0 , 88 88 , 0
000 . 10
800 . 8
) M ( P = = =
0 , +S +S , 0
000 . 10
S00 . +
000 . 10
200
000 . 10
700
000 . 10
000 . +
) Nn E ( P ) Nn ( P ) E ( P ) Nn E ( P = = = + = + =
10


e)

Considere as seguintes situaoes:
(1) Sabe-se que o aluno sorteado e do curso de Natematica diurno, qual a probabilidade de ele ser
esportista?
Soluo: como ja e fato conhecido que o aluno e do curso de Natematica diurno, podemos
considerar apenas os S00 alunos que sao do curso de Natematica diurno, ou seja, a informaao dessa linha
da tabela anterior, donde se observa que 100 sao esportistas. Obtem-se entao a probabilidade de
S00
100

(2) Sabendo-se que o aluno sorteado e esportista, qual a probabilidade dele ser do curso de
Natematica noturno?
Soluo: a informaao que dispomos agora e obtida pela coluna do ser esportista da tabela
anterior, ou seja, dos +.000 alunos que sao esportistas, observa-se que 200 sao do curso de Natematica
noturno. Dessa maneira tem-se:
000 . +
200

Nessas duas situaoes observa-se uma reduao do espao amostral e o condicionamento da
ocorrncia de um segundo evento considerando os resultados de um primeiro que ja foi realizado. A
probabilidade desses eventos e denominada de Probabilidade Condicional:

7) Probabilidade condicional

Seja o evento B, nao-vazio, tal que P(B > 0), a probabilidade condicional do evento A, sabendo-se
que o evento B ja ocorreu, e definida por:

Em que o simbolo { e lido por: A dado B" ou A sabendo-se que B ocorreu"

Na situaao (1) do item 6 acima temos:

E na situaao (2):

Reescrevendo a frmula de calculo da probabilidade condicional, temos:

que e conhecida como a Regra da MULTIPLICAO.

Resumo Lembrete:

Smbolo Significado Operao
Ou Adiao (+)
E Nultiplicaao (.)

% 0 , 51 510 , 0
000 . 10
100 . 5
) M E ( P = = =
) B ( P
) B A ( P
) B { A ( P

=
500
100
000 . 10
500
000 . 10
100
) Md ( P
) Md E ( P
) Md | E ( P = =
=
000 . +
200
000 . 10
000 . +
000 . 10
200
) E ( P
) E Nn ( P
) E { Nn ( P = =
=
) B { A ( P ) B ( P ) B A ( P
) B ( P
) B A ( P
) B { A ( P =
=
11


S) Eventos independentes

Dois eventos A e B sao independentes quando a ocorrncia de um deles nao interferir na ocorrncia do
outro.
Exemplo S.1: (Soares) Seja o lanamento de dois dados equilibrados (honestos") e com 6 faces cada
e sejam definidos os eventos
A: {a face do 1. dado e par)
B: {a face do 2. dado e 3 ou 6).
Intuitivamente pode-se perceber que o fato do evento A ter ocorrido nao nos e fornecida nenhuma
informaao sobre a ocorrncia, ou nao, do evento B. !sso significa que os eventos A e B nao estao
relacionados.
Natematicamente podemos efetuar os seguintes calculos:
2
1
36
18
) ( = = A P ,
3
1
36
12
) ( = = B P ,
6
1
36
6
) ( = = B A P e
(i) ) (
2
1
1
3
.
6
1
3
1
6
1
) (
) (
) { ( A P
B P
B A P
B A P = = = =
=
Esse resultado nos informa que o conhecimento do resultado ocorrido em B nao interferiu no resultado
de A, pois ao se condicionar o resultado do evento A na ja conhecida ocorrncia do evento B, a
probabilidade do evento A e a mesma de ele ter ocorrido sem esse conhecimento previo. Essa e a
informaao dada por: P(A{B) = P(A)
(ii) ) (
3
1
1
2
.
6
1
2
1
6
1
) (
) (
) { ( B P
A P
B A P
A B P = = = =
=
Similarmente, temos a mesma situaao quando condicionamos o evento B a ocorrncia do evento A:
P(B{A)=P(B).
Pode-se verificar tambem que: ) ( ) (
3
1
.
2
1
6
1
) ( B P A P B A P = = =

Dessa maneira, desde que P(A) > 0 e P(B) > 0, os eventos A e B sao definidos INDEPENDENTES se

= =
= =
) ( ) ( ) { ( ) ( ) (
) ( ) ( ) { ( ) ( ) (
A P B P B A P B P B A P
B P A P A B P A P B A P
,

ou seja, se P(A{B)=P(A) e P(B{A)=P(B).

Exemplo S.2: Reescrevendo a tabela do exemplo 6.2 somente com os dados dos alunos do curso de
Natematica e os Outros cursos temos:

Tabela 8.1: Tabela com os dados observados para cada evento
Curso E
E
Total
M 300 900 1.200
M
3.700 S.100 8.800
Total +.000 6.000 10.000

A tabela com as probabilidades em cada casela ou celula:

12


Tabela 8.2: Tabela com as probabilidades de ocorrncia de cada evento
Curso E
E
Total
M 0,03 0,09 0,12
M
0,37 0,S1 0,88
Total 0,+0 0,60 1,00
Nota: dados obtidos da Tabela 8.1

Temos entao que a probabilidade de um aluno dessa universidade, sorteado aleatoriamente ser do
curso de Natematica e esportista simultaneamente e:
03 , 0
10000
300
) ( = = E N P
Em resumo, as probabilidades da tabela acima expressam as probabilidades dos eventos:

Tabela 8.3: !dentificaao dos eventos
Curso E
E
Total
M ) E M ( P
) E M ( P
P(N)
M ) E M ( P ) E M ( P ) M ( P
Total P(E)
) E ( P
P(S)

Das tabelas 8.2 e 8.3 obtemos as informaoes sobre o sorteio de um aluno dessa populaao:
Probabilidade de ele ser esportista: P(E) = 0,+0
Probabilidade de ele ser do curso de Natematica: P(N) = 0,12
Probabilidade de ele ser do curso de Natematica e esportista: ) E M ( P =0,03
Por definiao, sabemos que a probabilidade de um aluno ser esportista sabendo-se que ele e do curso
de Natematica e: 40 , 0 ) E ( P 25 , 0
12 , 0
03 , 0
) M ( P
) E M ( P
) M | E ( P = = =
= . Ou seja, os eventos ser do curso de

Natematica" e ser esportista" NO sao eventos independentes, mas sim, eventos que estao
relacionados entre si.
Podemos verificar tambem que: 048 , 0 ) 40 , 0 )( 12 , 0 ( ) E ( P ) M ( P 03 , 0 ) E M ( P = = = !!!!

9) Associao entre eventos

Como conseqncia da definiao da independncia entre dois eventos, dizemos que se dois eventos
estao relacionados entao deve existir alguma associaao entre eles. Uma maneira pratica para se verificar a
existncia de independncia entre dois eventos e por meio da tabela das probabilidades (Tab. 8.2).
Uma tabela de dupla classificaao entre duas situaoes de interesse e chamada de tabela de
contingncia. Quando existem apenas duas categorias para cada uma das situaoes, dizemos que a tabela e
2 x 2 (dois por dois), ou seja, ela possui duas linhas e duas colunas.
vamos supor que queiramos saber se existe alguma associaao entre as situaoes: lesao na cabea em
acidentes motociclisticos e habito de usar capacete. Como em cada uma dessas situaoes temos apenas
duas possibilidades para cada uma delas, temos entao uma tabela 2 x 2, considerando as pessoas que
participaram de uma pesquisa desse tipo.
Dizer que essas duas situaoes nao estao relacionadas e equivalente a dizer que elas sao
!NDEPENDENTES.

Exemplo 9.1: Seja a classificaao de 793 estudantes de certo municipio em relaao a lesao na cabea
em acidentes motociclisticos e ao habito de usar capacete:
13


Tabela 9.1: Distribuiao conjunta dos estudantes por uso do capacete e lesao na cabea
Uso do capacete
Leso na cabea
Total
Sim No
Sim
17 130
147
No 218 +28 646
Total 235 558 793

Calculo das probabilidades:

Tabela 9.2: Distribuiao das probabilidades observadas na Tabela 9.1
Uso do capacete
Leso na cabea
Total
Sim {L) No { L )
Sim {C) 0,021 0,16+ 0,185
No { C ) 0,27S 0,S+0 0,815
Total 0,296 0,704 1,000

Se os eventos fossem independentes deveriamos ter:
P(C L) = 0,021 = P(C) P(L),

Nas, temos que P(C)P(L)= (0,18S)(0,296)=0,0SS P(C L)= 0,021 !

Como essas probabilidades nao preservam a igualdade podemos concluir que os eventos NO sao
INDEPENDENTES, ou seja, existe uma relaao entre eles ou equivalentemente, eles estao associados.

A tabela de probabilidades observadas acima e chamada de distribuiao de probabilidade conjunta e ela
apresenta a distribuiao de probabilidades das variaveis: Capacete e Lesao. As probabilidades da linha e da
coluna Total" sao chamadas de probabilidades marginais. Se as variaveis: Capacete e Lesao fossem
independentes, entao as probabilidades das caselas (das interseoes) seriam o produto de suas respectivas
probabilidades marginais (total da linha e total da coluna).
Considerando independncia a tabela de probabilidades seria:

Tabela 9.3: Distribuindo as probabilidades considerando independncia entre os eventos
Uso do capacete
Leso na cabea
Total
Sim {L) No { L )
Sim {C)
0,0SS 0,130 0,185
No { C ) 0,2+1
0,S73
0,815
Total 0,296 0,704 1,000

0,0SS=(0,296)(0,18S) 0,S73=(0,70+)(0,81S)
1+

Fazendo a comparaao entre as tabelas 9.2 e 9.3, observa-se que as probabilidades de todas as
caselas sao diferentes!! - conclui-se entao que os eventos estao associados.
Resta saber se essa associaao e estatisticamente significativa, a qual pode ser medida por meio do
teste qui-quadrado de Pearson:

10)Teste Qui-quadrado {
2
)

A tabela 10.1 apresenta dados genericos de uma situaao envolvendo a comparaao de dois grupos em
que a resposta de interesse e dicotmica: a ocorrncia ou nao de um evento.

Tabela 10.1: Classificaao do sucesso ou fracasso para a variavel resposta de interesse
Grupo Resposta Total
Sucesso Fracasso
Grupo ! a b n
1
= a+b
Grupo !! c d n
2
=c+d
Total m
1
=a+c m
2
=b+d N

Se nao existir nenhuma diferena entre as proporoes de Sucesso" nos dois grupos, entao
a
n
c
n
1 2
=

Se as igualdades acima forem verdadeiras, entao tambem valem:

a
n
c
n
a c
n n
m
N
1 2 1 2
1
= =
+
+
= , ou seja: a
m x n
N
m x n
N
= =
1 1 1 2
e c (1)

e analogamente, b
m x n
N
m x n
N
= =
2 1 2 2
e c (2)

Obtemos, portanto, dois conjuntos de valores: os observados (O
ij
), que sao denotados por a, b, c e
d na tabela 10.1 e os esperados (E
ij
), calculados sob a hiptese de igualdade das proporoes de sucesso
entre os grupos e obtidos pelas expressoes (1) e (2).
vamos voltar ao exemplo 9.1. Os dados da tabela 9.1 sao os valores observados na pesquisa.
Calculando os valores que seriam esperados, caso nao haja diferena entre os dois grupos (uso ou nao do
capacete) obtemos:

Tabela 10.1: valores esperados para os dados da tabela 9.1.
Uso do capacete
Leso na cabea
Total
Sim (L) No ( L )
Sim (C) 43,56 103,44 147
No ( C ) 191,44 454,56 646
Total 235 558 793

Em que, para a primeira casela os calculos foram:
793
) 147 )( 235 (
56 , 43 = . As demais foram obtidas
analogamente.

1S

Se as proporoes de sucesso sao iguais nos dois grupos, entao a discrepancia entre os dois
conjuntos de numeros acima nao deve ser grande. Pearson, importante estatistico do inicio do seculo,
props medir a discrepancia entre os valores observados e esperados por meio da expressao:

= =
=
2
1 i
2
1 j ij
2
ij ij
2
E
) E O (
X
2

N ad bc
m m n n
( )
2
1 2 1 2
(3)

Em nosso exemplo, entre os estudantes que usavam capacete a proporao que teve lesao na cabea
foi 17f1+7 = 0,116 e entre os que nao faziam uso do capacete de 218f6+6 = 0,337. A diferena entre essas
proporoes, 0,221, parece indicar que a lesao na cabea e mais freqente entre os estudantes que nao
faziam uso do capacete. Nas sera que este resultado nao ocorreu por mero acaso?

Utilizando a expressao (3) acima podemos efetuando os calculos obtemos:

X
2
=
( ) ( ) ( ) ( )
56 , 454
2
56 , 454 428
44 , 103
2
44 , 103 130
54 , 191
2
54 , 191 218
56 , 43
2
56 , 43 17
2

+
= X
X
2
= 16,197 + 3,686 +6,821 + 1,SS2 28,26

Precisamos decidir entao se este e ou nao um valor grande". Devido ao efeito amostral, mesmo se
na realidade as proporoes forem iguais, e possivel obter qualquer valor para X
2
. Entretanto valendo a
hiptese de igualdade entre as duas proporoes, valores grandes" ocorrerao pouco frequentemente, ou
seja, para se tomar uma decisao sobre a igualdade ou nao de duas proporoes, e preciso conhecer o
comportamento - distribuiao estatistica
3
- dos valores de X
2
, quando as proporoes sao iguais. Esta
distribuiao foi obtida e recebeu o nome de Distribuiao do
1
2
(qui-quadrado com 1 grau de liberdade),
hoje sintetizada em tabelas de facil utilizaao. Rejeita-se a hiptese de igualdade entre as proporoes, a um
determinado nivel de significancia, , se o valor observado de X
2
for maior que
1
2
, o percentil de ordem
(1 - ) da distribuiao do Qui-quadrado com 1 grau de liberdade. Considerando = S, o ponto critico
desta distribuiao, o percentil de ordem 0,9S, e 3,8+, ou seja, P (
1
2
3,8+) = 0,0S.

Nesse exemplo, a probabilidade de encontrar valores maiores que 28,26, isto e,
P (
1
2
28,26) sendo verdadeira a hiptese de igualdade das proporoes, e aproximadamente zero.
Podemos, portanto, dizer com uma confiana de 9S, que existe evidncia de associaao entre o uso de
capacete e lesao na cabea.
Na pergunta pertinente e quantas vezes a lesao na cabea e mais freqente nos que nao usam
capacete em relaao aos que usam? Esse calculo pode ser efetuado por meio da razao das chances:

11) Razo das Chances {OR)

A chance de um evento e definida pelo quociente entre a probabilidade de ocorrncia ( p ) e a
probabilidade de nao ocorrncia (1 - p ). Nesse exemplo:
A chance dos que fazem uso do capacete ter lesao na cabea e: 1308 , 0
130
17
=
A chance dos que nao fazem uso do capacete ter lesao na cabea e: 5093 , 0
428
218
=

2
Somente para tabelas 2 x 2
3
As distribuioes de probabilidade serao abordadas e estudadas na prxima unidade.
16

A Razao das Chances (OR) e definida pelo quociente entre as chances dos dois eventos. Nesse exemplo,
vamos verificar a chance de ter lesao na cabea entre o grupo que nao fazia uso do capacete em relaao ao
grupo que o usava. ou seja,
9 , 3
1308 , 0
5093 , 0
= OR
!sso significa que a chance de ter lesao na cabea entre os estudantes que nao usam capacete e
aproximadamente quatro vezes mais freqente em relaao aos que usam capacete.

Observao importante:
As chances sao muito utilizadas em cassinos, loterias e corridas de cavalo, por apresentarem
facilidade nas transferncias de dinheiro. Sao comumente expressas na forma a:b" - a para b - em que, os
valores a e b sao primos entre si. Em termos de probabilidade de um evento A, a chance a favor" e definida
por:
) (
) (
A P
A P
; e a chance contra" por:
) (
) (
A P
A P
.
Suponha, por exemplo, que a probabilidade de um evento A seja,
5
2
) ( = A P , logo
5
3
) ( = A P . Entao a
chance a favor" e 2:3" - dois para trs e a chance contra" e de 3:2" - trs para dois.
Nas apostas, a chance contra um evento representa a razao do ganho liquido para a quantia
apostada.
Quando a chance nao e especificada, ela e sempre contra" a ocorrncia do evento, ou seja, numa
aposta S0:1, significa R$S0,00 para cada R$1,00 apostado!

12) Regra ou Teorema de Bayes

Seja um espao amostral, S, particionado por eventos mutuamente exclusivos, B
i
s, tal que

ou seja,

Seja considerado o evento A desse espao amostral o qual podera ser escrito por:

Nesmo que algumas das interseoes
i
B A sejam vazias, esse fato nao ira interferir no calculo de sua
probabilidade.
Podemos representar esse espao amostral, as partioes B
i
s e o evento A pela figura:

A probabilidade do evento A e obtida por:

A
B
1
B
2
B
3
B
+
B
S
B
n
..
..
..
..
B
6
A
B
1
B
2
B
3
B
+
B
S
B
n
..
..
..
..
B
6
j i ; 0 / =
j
B
i
B
n
i
i
B S
1 =
=
( )
n
B A B A B A A = .... )
2
( )
1
(
( )
n
B A P B A P B A P A P + + + = .... )
2
( )
1
( ) (
17


Observe que:
1) se 0 ) ( = =
i
B A P
i
B A , nao afetando, portanto, o resultado da P(A);
2) .
- e chamada de PROBAB!L!DADE TOTAL.

O teorema de Bayes e uma generalizaao da probabilidade condicional definida no item 7. Essa
regra calcula a probabilidade de uma partiao B
i
condicionada a ocorrncia do evento A, ou seja,

Exemplo 12.1: (Norettin) Num mercado, trs corretoras A, B e C sao responsaveis por 20, S0
e 30 do volume total de contratos negociados, respectivamente. Do volume de cada corretora, 20, S e
2 respectivamente, sao contratos futuros em dlares. Um contrato e escolhido ao acaso e este e futuro
em dlares. Qual a probabilidade de ele ter sido negociado pela corretora A?
Soluo:
Considere os eventos:
A, B e C: Corretoras
F: contrato futuro em dlares

Deseja-se saber: P(A { F).

Por definiao: , precisamos entao calcular a P(F).

O evento F pode ser escrito como:
Dessa maneira,

O problema nos fornece as informaoes:
P(A)=0,2; P(F{A)=0,2
P(B)=0,S; P(F{B) = 0,0S
P(C)=0,3; P(F{C) = 0,02

Para facilitar, podemos utilizar um esquema em arvore:

Logo,

A probabilidade de o contrato ter sido negociado pela corretora A e de S6,3
n
i
i
B P
1
) | ( ) ( ... )
2
| ( )
2
( )
1
| ( )
1
(
) | ( ) (
) (
) (
) | (
n
B A P
n
B P B A P B P B A P B P
i
B A P
i
B P
A P
i
B A P
A
i
B P
+ + +
=
=
) (
) (
) | (
F P
F A P
F A P

=
( ) F C F B F A F = ) ( ) (
( ) F C P F B P F A P F P + + = ) ( ) ( ) (
F
F
F
F
F
F
A
B
C
0+ 0 ,
02S 0 ,
006 0 ,
2 0 ,
S 0 ,
3 0 ,
2 0 ,
0S 0 ,
02 0 ,
) F A ( P
) F B ( P
) F C ( P
+
071 0 , ) F ( P =
) A { F ( P
F
F
F
F
F
F
A
B
C
0+ 0 ,
02S 0 ,
006 0 ,
2 0 ,
S 0 ,
3 0 ,
2 0 ,
0S 0 ,
02 0 ,
) F A ( P
) F B ( P
) F C ( P
+
071 0 , ) F ( P =
) A { F ( P ) A { F ( P
563 , 0
071 , 0
04 , 0
) (
) (
) | ( = =
=
F P
F A P
F A P
18

3B
2A

!
+B
2A

!!

O teorema de Bayes pode ser ilustrado para esse problema em especial pela figura:

Logo,

13) Resoluo de alguns exerccios de Probabilidade

Exerccio 13.1 - (Norettin) Uma urna contem trs bolas brancas e duas amarelas. Uma segunda urna
contem quatro bolas brancas e duas amarelas. Escolhe-se, ao acaso, uma urna e dela retira-se, tambem ao
acaso, uma bola. Qual a probabilidade de que seja branca?
Soluo:
Sejam os eventos: A: bola amarela
B: Bola branca
!: primeira urna
!!: segunda urna

O evento B: sair bola branca pode ser escrito por: ( ) ( ) B II B I B =
Os eventos ! e !! sao mutuamente exclusivos, logo (! B) e (!! B) tambem o serao. Entao,
( ) ( ) ( )
( ) ( ) ( ) ( )
633 , 0 333 , 0 30 , 0
6
4
2
1
5
3
2
1
= + =
= + =
= + =
= + =
x x
II B P II P I B P I P
B II P B I P B P

( ) % 3 , 63 = B P

Exerccio 13.2 - Ricardo tem dois automveis velhos. Nas manhas frias, ha 20 de probabilidade de
um deles nao pegar" e 30 de o outro nao pegar". Qual a probabilidade de:
a) Nenhum pegar"?
b) Apenas um pegar".
B
A
C
F
B
A
C
F
C B A S =
( ) F C F B F A F = ) ( ) (
) | ( ) ( ) | ( ) ( ) | ( ) (
) | ( ) (
) (
) (
) | (
C F P C P B F P B P A F P A P
A F P A P
F P
F A P
F A P
+ +
=
=
19

Soluo:
Sejam os eventos:
C
1
: carro 1 pega"
C
2
: carro 2 pega"
E sua negaao:
1
C : carro 1 nao pega"
2
C : carro 2 nao pega"
Dados do problema:
1) C
1
e C
2
sao independentes
2) ( ) 20 , 0
1
= C P e ( ) 30 , 0
2
= C P
3) De (2) e pela propriedade de negaao de evento: ( ) ( ) 80 , 0
1
1
1
= = C P C P e ( ) 70 , 0
2
= C P .
Entao,
a) O evento: nenhum pegar" =
2 1
C C
( ) ( ) ( ) ( )( ) 06 , 0 30 , 0 20 , 0
2 1 2 1
= = = C P C P C C P
Logo, P(nenhum pegar") = 6,0

b) Apenas um pegar" ( ) ( ) 2
1 2
1 C C C C
Como os eventos C
1
e C
2
sao independentes e ( )
2 1
C C e
2
1
C C sao mutuamente exclusivos, tem-se
que:
P(apenas um pegar") e:

( ) ( ) [ ] ( ) ( ) 38 , 0 ) 70 , 0 )( 20 , 0 ( ) 30 , 0 )( 80 , 0 (
2
( )
1 2
)
1
(
2 1 2 1
= + = + = C P C P C P C P C C C C P

Logo, P(apenas um pegar") = 38,0

Exerccio 13.3 - (Nontgomery) O circuito a seguir opera se, e somente se, houver um caminho de
equipamentos funcionais, da esquerda para a direita. Considere que equipamentos falhem
independentemente, sendo a probabilidade de falha de cada equipamento mostrada na figura. Qual a
probabilidade de que o circuito opere?

0,01 0,01
0,1 0,1
0,1 0,01 0,01
0,1 0,1
0,1
20


Soluo:
A figura abaixo apresenta os equipamentos A, B, C, D e E e os circuitos ! e !!:

Soluo 1 - clculo com as probabilidades de operao dos equipamentos:

Da esquerda para a direita e considerando a independncia dos equipamentos:
a) 1 circuito opera se A e B operam ou C opera: ( ) C B A I =
Logo, a probabilidade de ! operar e: ( ) ( ) ( ) ( ) [ ] C B A P C P B A P I P + =
Tem-se que as probabilidades de cada equipamento operar e: P(A)= 1 - 0,01 = 0,99; P(B) = P(A) e
P(C) = 1 - 0,1 = 0,90 e P(D) = P(E) = P(C). Logo,

( ) ( )( ) ( ) ( )( )( ) 998 , 0 90 , 0 99 , 0 99 , 0 90 , 0 99 , 0 99 , 0 = + = I P

b) 2 circuito opera se D ou E operam: ( ) E D II =
( ) ( ) ( ) ( ) ( )( ) 99 , 0 90 , 0 90 , 0 90 , 0 90 , 0 ) ( ) ( = + = + = E D P E P D P II P

O circuito em paralelo ira operar se ! e !! operarem simultaneamente: II I
Dos resultados obtidos em (a) e (b) e considerando que ! e !! sao independentes (pela independncia dos
equipamentos), a probabilidade de o circuito operar sera: 988 , 0 ) 99 , 0 )( 998 , 0 ( ) ( ) ( ) ( = = = !! P ! P !! ! P
Concluso: A probabilidade de o circuito acima operar e de 98,8.

Soluo 2 - clculo com as probabilidades de falha dos equipamentos:

a) 1 circuito opera se A e B ou C nao falham: ( ) C B A I =
Logo, a probabilidade de ! operar e: ( ) ( ) ( ) [ ] | ) [( 1 1 | ) [ 1 C B A P C B A P C B A P ! P = = =
(utilizando duas vezes a propriedade das Leis de Norgan; do item +)
Logo,

P(!) = 1 - {[(0,01 + 0,01 - (0,01)(0,01)|[0,1|) = 1 - (0,0199)(0,1)=0,99801

b) 2 circuito opera se D ou E nao falham: ( ) E D II =
( ) ( ) 99 , 0 ) 01 , 0 ( 1 ) 1 , 0 ( 1 , 0 1 ) ( 1 ) ( 1
2
= = = = = E D P E D P !! P

O circuito em paralelo ira operar se ! e !! operarem simultaneamente: II I
Dos resultados obtidos em (a) e (b) e considerando que ! e !! sao independentes (pela independncia dos
equipamentos), a probabilidade de o circuito operar sera: 988 , 0 ) 99 , 0 )( 99801 , 0 ( ) ( ) ( ) ( = = = !! P ! P !! ! P
Concluso: A probabilidade de o circuito acima operar e de 98,8.
0,01 0,01
0,1 0,1
0,1
A B
C
D
E
I II
0,01 0,01
0,1 0,1
0,1
A B
C
D
E
0,01 0,01
0,1 0,1
0,1
A B
C
D
E
I II
21


Exerccio 13.4 - (Norettin) A probabilidade de que um homem esteja vivo daqui a 30 anos e +0;
a de sua mulher e 6S. Determinar a probabilidade de que daqui a 30 anos:
a) Ambos estejam vivos;
b) Somente o homem esteja vivo;
c) Somente a mulher esteja viva;
d) Nenhum esteja vivo;
e) Pelo menos um esteja vivo.
Soluo:
Sejam os eventos: H - homem esta vivo daqui a 30 anos;
N - mulher esta viva daqui a 30 anos
a) Ambos estejam vivos?

b) Somente o homem esteja vivo

c) Somente a mulher esteja viva

d) Nenhum esteja vivo

e) Pelo menos um esteja vivo:

Exerccio 13.5 - As preferncias de homens e mulheres por cada gnero de filme alugado em uma
locadora de videos estao apresentadas na prxima tabela:

Sorteando-se, ao acaso, uma dessas locaoes de video, pergunta-se a probabilidade de:
a) O filme alugado ser uma comedia?
b) Uma mulher ter alugado um filme policial?
c) Um homem ter alugado ou o filme ser um romance?
d) O filme ser policial dado que foi alugado por um homem?
e) Os eventos: filme romance e sexo mulher sao independentes?
Soluo:
Primeiramente precisamos calcular os valores observados totais marginais e o geral:

Sexo
Filme
Total
Comedia (C) Romance (R) Policial (P)
Homens (H) 136 92 2+8 476
Nulheres (N) 102 19S 62 359
Total 238 287 310 835
26 , 0 ) 65 , 0 )( 40 , 0 ( ) ( ) ( ) ( = = = M P H P M H P
14 , 0 ) 35 , 0 )( 40 , 0 ( ) 65 , 0 1 )( 40 , 0 ( ) ( = = = M H P
39 , 0 ) 65 , 0 )( 60 , 0 ( ) 65 , 0 )( 40 , 0 1 ( ) ( = = = M H P
21 , 0 ) 35 , 0 )( 60 , 0 ( ) 65 , 0 1 )( 40 , 0 1 ( ) ( = = = M H P
79 , 0 26 , 0 65 , 0 40 , 0 ) ( = + = M H P
62 19S 102 Nulheres (N)
2+8 92 136 Homens (H)
Policial (P) Romance (R) Comedia (C)
Filme
Sexo
62 19S 102 Nulheres (N)
2+8 92 136 Homens (H)
Policial (P) Romance (R) Comedia (C)
Filme
Sexo
22


a) O filme alugado ser uma comedia:

b) Uma mulher ter alugado um filme policial:

c) Um homem ter alugado ou o filme ser um romance:

d) O filme ser policial dado que foi alugado por um homem:

e) Os eventos: filme romance e sexo mulher sao independentes?

Os eventos: filme romance e sexo mulher NO sao independentes, pois

Ou,

Exerccio 13.6 - Uma companhia que fabrica caixas de papelao percebe que:
- A probabilidade de se produzir uma caixa com um furo e de 0,0S;
- A probabilidade de uma caixa ter um canto esmagado e de 0,08;
- A probabilidade de uma caixa ter um furo e um canto esmagado e de 0,00+.
a) Os eventos selecionar uma caixa com furo" e selecionar uma caixa com o canto esmagado" sao
mutuamente exclusivos? Explique.
b) Se um inspetor de qualidade escolher ao acaso uma caixa determine a probabilidade de a caixa
ter um furo ou um canto esmagado.
Soluo:
a) Os eventos selecionar uma caixa com furo" e selecionar uma caixa com o canto esmagado" NO sao
mutuamente exclusivos, pois o evento interseao entre eles e nao vazio (probabilidade maior que zero)

b) Sejam os eventos:
A : a caixa tem um furo
B: a caixa tem um canto esmagado.
Do enunciado tem-se: P(A) = 0,0S; P(B) = 0,08 e
Queremos:

Pela regra geral:

Logo,

Exerccio 13.7 - Em um banco, a experincia indica que ha uma probabilidade de 8S de um
funcionario novo, que tenha feito um curso previo de treinamento, cumprir sua quota de tarefas; e que essa
probabilidade, para um novato que nao tenha feito o curso previo, e de +0. Se 80 de todos os operarios
novos freqentaram o curso previo de treinamento, qual a probabilidade de um funcionario novo cumprir
sua quota de tarefas?
Soluo:
Sejam os eventos:
0743 , 0
835
62
) ( = = P M P
2850 , 0
835
238
) ( = = C P
8036 , 0
835
92
835
287
835
476
) ( ) ( ) ( ) ( = + = + = R H P R P H P R H P
5210 , 0
476
248
) | ( = = H P P
) ( 5432 , 0
359
195
) | (
3437 , 0
835
287
) (
R P M R P
R P
= =
= =
1959 , 0 ) 5701 , 0 )( 3437 , 0 ( ) ( ) ( 2335 , 0
835
195
) ( = = = = H P R P M R P
) ( ) ( ) ( ) ( B A P B P A P B A P + =
(12,6%) 126 , 0 004 , 0 08 , 0 05 , 0 ) ( = + = B A P
00+ , 0 ) ( = B A P
) ( B A P
23

Q: o funcionario novo cumpre sua quota de tarefas
C : o funcionario novo fez o curso previo de treinamento
Sao dados pelo problema: P(C) = 0,80; P(Q{C) = 0,8S

O evento Q pode ser escrito como:

Ou, pelo diagrama em arvore:

Exerccio 13.S - Um time de futebol ganha com probabilidade 0,7 se chove e com 0,8 se nao
chove. Em setembro a probabilidade de chuva e de 0,3. O time de futebol ganhou uma partida em
setembro, qual a probabilidade de ter chovido nesse dia? .
Soluo:
Sejam os eventos:
G: time de futebol ganha
A : chuva em setembro
Queremos: P(A{G)
Temos:

Por definiao de probabilidade condicional temos que:

Precisamos entao calcular P(G).
Utilizando o diagrama em arvore, para um dia de setembro:

Utilizando a definiao, temos:

Conclusao: Se o time de futebol ganhou a partida, a probabilidade de ter chovido nesse dia e de 27,3.
) ) ( ) ( Q C Q C Q =
Q
Q
Q
Q
C
68 , 0
08 , 0
80 , 0
20 , 0
85 , 0
40 , 0
) Q C ( P
) Q C ( P
+
76 , 0 ) Q ( P =
C
novo . Func
) C | Q ( P
Q
Q
Q
Q
C
68 , 0
08 , 0
80 , 0
20 , 0
85 , 0
40 , 0
) Q C ( P
) Q C ( P
+
76 , 0 ) Q ( P =
C
novo . Func
) C | Q ( P ) C | Q ( P
3 , 0 ) (
8 , 0 ) | (
7 , 0 ) | (
=
=
=
A P
A G P
A G P
) (
) (
) | (
G P
G A P
G A P

=
A
A
G
G
G
G
G A
G A
21 , 0 ) 7 , 0 )( 3 , 0 ( =
56 , 0 ) 8 , 0 )( 7 , 0 ( =
8 , 0
7 , 0
7 , 0
3 , 0
Um dia em
setembro
+
77 , 0 ) G ( P =
A
A
G
G
G
G
G A
G A
21 , 0 ) 7 , 0 )( 3 , 0 ( =
56 , 0 ) 8 , 0 )( 7 , 0 ( =
8 , 0
7 , 0
7 , 0
3 , 0
Um dia em
setembro
+
77 , 0 ) G ( P =
(27,3%) 273 , 0
77 , 0
21 , 0
) (
) (
) | ( = =
=
G P
G A P
G A P
(76,0) 76 , 0 08 , 0 68 , 0 ) +0 , 0 )( 20 , 0 ( ) 8S , 0 )( 80 , 0 ( ) (
) { ( ) ( ) { ( ) ( ) (
= + = + =
+ =
Q P
C Q P C P C Q P C P Q P
2+


Exerccio 13.9 - (Norettin) A porcentagem de carros com defeito entregue no mercado por certa
montadora e historicamente estimada em 6. A produao da montadora vem de trs fabricas distintas, da
matriz A e das filiais B e C, nas seguintes proporoes: 60, 30 e 10, respectivamente. Sabe-se que a
proporao de defeitos da matriz A e o dobro da filial B e, da filial B e o quadruplo da filial C. Determinar a
porcentagem de defeito de cada fabrica.
Soluo:
Seja o evento, D: carros com defeitos;
P(D) = 6 = 0,06
P(A) = 60 = 0,60 e P(D{A) = 2 P(D{B)
P(B) = 30= 0,30 e P(D{B) = + P(D{C)
P(C) = 10 = 0,10 e P(D{C)

Podemos escrever o evento D como:
D = (A e D) ou (B e D) ou (C e D)
Entao,
P(D) = P(A)P(D{A) + P(B)P(D{B) + P(C)P(D{C)
P(D) = 8 P(A)P(D{C) + + P(B)P(D{C) + P(C)P(D{C)
0,06 = (8)(0,60)P(D{C) + (+)(0,30)P(D{C)+0,10P(D{C)
0,06 = 6,1 P(D{C) => P(D{C)= 0,0098+ (0,98)
P(D{B)=0,0393 (3,93)
e P(D{A)= 0,0787 (7,87)

2S

Referncias bibliogrficas:

1. NONTGONERY, D.C, RUNGER, G.C. Estatistica Aplicada e Probabilidade para Engenheiros. + ed. Rio de
Janeiro: LTC, 2009.
2. NORETT!N, P.A. Estatistica basica - Probabilidade. 7. ed. Sao Paulo: Nakron Books, 2000, vol. 1.
3. BUSSAB, W. O., NORETT!N, P. A. Estatistica basica. S. ed. rev. Sao Paulo: Saraiva, 2003.
+. NEYER, Paul L. !ntroduao a probabilidade - aplicaoes a Estatistica. RJ: LTC, 2. ed, 199S.
S. SOARES, Jose Francisco, FAR!AS, Alfredo A., CESAR, Cibele Comini. !ntroduao a Estatistica. RJ: LTC,
2003.
6. TR!OLA, N. F. !ntroduao a estatistica. 10 ed. Rio de Janeiro: LTC, 2007.

Unidade 1 Introducao A Probabilidade

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Unidade 1 Introducao A Probabilidade

Hochgeladen von

Copyright:

Verfügbare Formate

FFJll|L|llL L L!II!

= . Ou seja, os eventos ser do curso de

Das könnte Ihnen auch gefallen